Ollama Mistral: lokal pullen und starten

TL;DR

Ollama Mistral ist der Bibliotheks-Tag mistral, nicht Mistral Large und nicht Mixtral. Die Ollama-Bibliothek startet mit ollama run mistral. Das Default-Tag mistral:latest ist laut Bibliothek identisch mit mistral:7b und mistral:v0.3 (Artefakt 4,4 GB, Kontext 32K, Text). Die Tag-Seite zählt 84 Artefakte derselben 7B-Familie. Die Lizenz steht in der Bibliotheks-Readme als Apache. Function Calling ist dort für Mistral 0.3 im Raw-Modus beschrieben. Die Chat-API liegt auf http://localhost:11434/api/chat. Gelesen in der Ollama-Bibliothek und in der Mistral-Modellübersicht am 2026-10-20. Kein Ranking, kein Kaufguide.

Modell-Tag, nicht Modellwahl-Übersicht

IT-Leiter suchen „ollama mistral“, wenn sie den Tag mistral ziehen und lokal starten — nicht, wenn sie Llama gegen Mistral abwägen. Die allgemeine Modellwahl bleibt Ollama Models. Die Produktfamilie ohne Ollama-Befehlspfad bleibt Mistral Large 2 on-premise. Ein Mixtral-Pfad (MoE, anderer Bibliotheks-Eintrag) steht in Mixtral 8x22B Multi-GPU. Ein Qwen-Pull bleibt Ollama Qwen3.

Die Engine kommt von Ollama Download oder dem Linux-Dienst. Port und Bind-Adresse bleiben 11434. Der Python-Client spricht dieselbe API, beschrieben in Ollama Python.

Start: ollama run mistral

Die Bibliotheksseite, erster Befehl:

ollama run mistral

Das zieht mistral:latest und öffnet die Chat-Sitzung. Die Tag-Seite setzt latest auf denselben Digest wie mistral:7b und mistral:v0.3. Ein festes Tag setzen Sie per Suffix, zum Beispiel mistral:instruct oder mistral:v0.2. Vor dem Pull die aktuelle Liste auf der Tag-Seite prüfen.

Nur ziehen, ohne Sitzung:

ollama pull mistral

Ohne laufenden Server antwortet der Client nicht. Unter systemd ist das die Unit aus Ollama Service.

Welche Tags die Bibliothek führt

Stand 2026-10-20 auf ollama.com/library/mistral und der Tag-Seite. Größen sind Artefaktgrößen der Bibliothek, kein freier GPU-Speicher. Die Bibliothek beschreibt das Modell als 7B von Mistral AI, aktualisiert auf Version 0.3.

Die Versions-Tabelle der Bibliotheks-Readme:

Zwei Varianten laut Readme: instruct folgt Anweisungen, text ist das Foundation-Modell ohne Chat-Feinabstimmung (einfache Textvervollständigung). Die übrigen der 84 Tags sind Quantisierungen derselben Familie, keine zweite Runtime.

Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Was dieser Tag nicht ist

Ein anderer Bibliotheks-Eintrag ist mistral-nemo (ollama run mistral-nemo). Die Nemo-Seite beschreibt ein 12B-Modell mit NVIDIA-Beteiligung — das ist nicht mistral. Mixtral ist ebenfalls ein eigener Eintrag, nicht dieser 7B-Tag.

In der Mistral-Modellübersicht (gelesen 2026-10-20) steht Mistral 7B v0.3 (open-mistral-7b) in der Tabelle „Deprecated & retired models“: Deprecation 30.11.2024, Retirement 30.03.2025, Alternative dort Ministral 3 8B. Das betrifft die Mistral-API-Linie. Der Ollama-Tag mistral bleibt der 7B-Eintrag der Bibliothek. Ob Ministral als eigener Ollama-Tag existiert, steht nicht in den hier gelesenen Seiten.

Chat-API auf Port 11434

Die Bibliothek zeigt denselben Host wie die Ollama-Chat-Doku (http://localhost:11434). Beispiel der Bibliotheksseite:

curl http://localhost:11434/api/chat \
  -d '{
    "model": "mistral",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Die OpenAPI der Chat-Route bestätigt Server http://localhost:11434 und POST /api/chat. Generate-Beispiel derselben Bibliotheksseite:

curl -X POST http://localhost:11434/api/generate -d '{
  "model": "mistral",
  "prompt":"Here is a story about llamas eating grass"
 }'

Python-Paket laut Bibliothek:

from ollama import chat

response = chat(
    model='mistral',
    messages=[{'role': 'user', 'content': 'Hello!'}],
)
print(response.message.content)

Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Function Calling (v0.3, Raw-Modus)

Die Bibliotheks-Readme: Mistral 0.3 unterstützt Function Calling mit Ollamas Raw-Modus. Das Beispiel dort rahmt Tools in [AVAILABLE_TOOLS] … [/AVAILABLE_TOOLS] und die Nutzereingabe in [INST] … [/INST]. Die Modellantwort kommt als [TOOL_CALLS]-JSON. Das ist die Herstellerbeschreibung in der Bibliothek, keine eigene Messung. Für den Raw-Modus verweist die Readme auf die Ollama-API-Doku.

Launch-Wrapper mit demselben Modellnamen

Die Bibliothek listet Start-Befehle mit --model mistral:

ollama launch claude --model mistral
ollama launch opencode --model mistral
ollama launch hermes --model mistral
ollama launch openclaw --model mistral

Das ersetzt weder die Engine-Installation noch den ersten Pull. OpenCode am selben Host steht in OpenCode Ollama. OpenClaw bleibt OpenClaw Ollama.

Häufige Fragen

Ist mistral dasselbe wie mistral-nemo oder Mixtral?

Nein. Die Bibliothek führt mistral als 7B-Familie. mistral-nemo und Mixtral sind getrennte Einträge mit eigenen ollama run-Befehlen. Dieser Text behandelt nur mistral.

Reicht ollama pull ohne run?

ollama run zieht und startet. ollama pull zieht nur. Die Bibliotheksbeispiele für Chat und CLI bleiben ollama run mistral.

Warum antwortet die API leer?

Zuerst Serve und Tag prüfen (ollama list, ollama ps). Der Port bleibt 11434, beschrieben in Ollama Port 11434. Ohne laufenden Server liefert der Client keinen stillen Fallback.

Brauche ich Docker extra?

Nein für den Desktop- oder Linux-Dienst. Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Ist das ein zweiter Hardware-Kaufguide?

Nein. Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Fazit

„Ollama Mistral“ ist der Pull- und Start-Pfad: ollama run mistral, Tag mit Suffix, Serve dauerhaft, Chat nativ auf /api/chat, Function Calling laut Readme in v0.3 im Raw-Modus. Größen stammen aus der Bibliothek, nicht aus einer eigenen VRAM-Rechnung. Kein Ranking, keine Preise.